Un backtest puede parecer más convincente después de empeorar sus datos. Elimina los precios dudosos, rellena los huecos con precios ordenados y quizá suba el Sharpe. Esa mejora puede ser una señal de alerta: la regla de limpieza quizá haya borrado justo las condiciones de mercado que tu estrategia necesita para sobrevivir.
La calidad de los datos importa. Una cotización cruzada o una operación duplicada puede generar una ejecución que nadie habría podido obtener. Pero un filtro que hace desaparecer las observaciones inconvenientes también es una decisión de modelado. Hay que mirarlo con la misma desconfianza que dedicarías a una nueva característica de señal.
¿Cuándo es un precio incorrecto realmente un dato erróneo?
Empieza por preguntarte qué representa la observación. Una operación muy alejada del mercado vigente podría ser un registro corrupto, una barrida real en un mercado con poca liquidez o un evento específico de un mercado. Una vela de 1 minuto con una barra de volumen cero podría indicar que no hubo operaciones, mientras que una vela ausente podría significar que falló el flujo de datos. Cada caso requiere un tratamiento distinto.
Pensemos en una estrategia sencilla de reversión a la media que compra cuando el precio cae un 1% por debajo de una media móvil corta y sale al alcanzar la media. Durante un periodo nocturno de poca liquidez, se registra una operación un 1,2% por debajo del precio anterior y luego el mercado rebota. Si la operación es real, una estrategia con una orden limitada en el libro podría haberse ejecutado. Si es un tick erróneo que ninguna cotización ejecutable respaldaba, contar esa ejecución inventa una ventaja.
Eliminar la barra no es automáticamente más seguro. Puede que la estrategia aún tuviera una orden en el mercado y que la siguiente operación real la ejecutara. Una simulación defendible debe modelar qué podía observar la estrategia y contra qué podría haberse ejecutado su orden de forma plausible.
¿Qué efecto tiene una regla de limpieza en el resultado?
Ejecuta la estrategia con tratamientos de datos explícitos y compara los cambios. Conserva la fuente original y registra cada exclusión o corrección con su motivo. Después, informa de cuánto depende el resultado de esas decisiones.
| Tratamiento de datos | Beneficio posible | Riesgo para el backtest |
|---|---|---|
| Eliminar una operación que quede fuera de un rango documentado de errores del mercado | Evita que un registro inválido conocido determine un valor extremo | La regla podría clasificar erróneamente operaciones legítimas en un mercado volátil |
| Arrastrar el último precio a través de un intervalo sin datos | Evita que los indicadores fallen por los huecos | Crea un precio al que quizá no se haya negociado |
| Usar cotizaciones consolidadas en lugar de las últimas operaciones | Ofrece una mejor perspectiva de los precios de ejecución publicados | El tamaño de las cotizaciones, el acceso al mercado y la posición en la cola siguen siendo importantes |
| Eliminar todas las barras atípicas según un umbral estadístico | Reduce la sensibilidad a valores extremos | Puede eliminar periodos de tensión reales en los que la estrategia registra la mayoría de sus pérdidas |
Supongamos que una ejecución sin filtrar tiene un Sharpe de 0,9, mientras que otra que excluye el 0,8% de las barras sube a 1,4. Eso por sí solo no demuestra que los datos sean de mejor calidad. Comprueba si las barras eliminadas se concentran en torno a picos de volatilidad, si representan una parte significativa de las pérdidas y ganancias, y si la regla de exclusión se definió antes de ver el resultado.
Lleva un registro de excepciones de datos: fuente, marca temporal, campos afectados, motivo de la acción y si la decisión se tomó antes o después de revisar el rendimiento de la estrategia.
¿Cómo compruebo si la limpieza cambió la ventaja?
Deja la estrategia fija y compara varios tratamientos plausibles en las mismas fechas. Cuando sea posible, incluye la simulación con los datos originales, un conjunto de correcciones documentado y un caso conservador de ejecución para las observaciones que sigan siendo ambiguas. En cada ejecución, informa del número de operaciones, la rotación, la caída máxima y la contribución a las pérdidas y ganancias de los intervalos afectados, además del Sharpe.
Después, revisa las operaciones que cambian. Si desaparecen las mayores ganancias de la estrategia al excluir un pequeño grupo de ticks sospechosos, examina esos registros uno por uno. Si lo que desaparece son las pérdidas, aplica el mismo nivel de escrutinio. Una regla que solo se examina con cuidado cuando perjudica el backtest ya está influyendo en la investigación.
Para que el estudio sea reproducible, versiona los archivos del proveedor o sus sumas de comprobación, el código de limpieza y la lista de excepciones. Un proveedor puede revisar el historial; tu próxima ejecución debería permitirte determinar si cambió la estrategia o cambiaron los datos de entrada.
Pero ¿acaso la limpieza no es necesaria?
Sí. Conservar un registro claramente corrupto puede inventar una operación, distorsionar la volatilidad o romper un indicador. Y nadie debería fingir que un flujo de datos sin procesar es la verdad absoluta. La cuestión práctica es más concreta: la limpieza requiere pruebas, una regla fijada de antemano y un análisis de sensibilidad, porque puede cambiar qué mercado afirma representar el backtest.
Cuando una corrección de datos mejora el rendimiento, pregúntate qué observación eliminó y si habrías tomado la misma decisión sin ver la curva de capital. Si no lo tienes claro, conserva ambas versiones en el registro de investigación. La diferencia entre ellas forma parte del resultado.
← Todos los artículos
